基于灰色理论的煤炭需求预测模型研究

研究了GM(1，1)模型在我国煤炭需求预测中的应用，并以实际数据为基础，建立了我国煤炭需求量的数列预测模型。经检验，模型可靠，可用于对我国煤炭需求总量的预测。简要分析了根据实际变化不断改进模型的必要性。     

基于库存控制的需求量灰色预测

运用灰色动态GM模型，结合物流企业实例，根据历史出库量数据对基于库存控制的市场需求量进行灰色建模、预测和检验．实验结果显示预测量曲线与实际出库量曲线拟合程度很高，证实了在有效辅助库存控制管理的需求量预测中运用灰色预测模型和方法的可行性和优越性．     

基于区间灰数预测模型的天猫“双十一”物流需求量预测

基于天猫"双十一"包裹量增长呈"S"形和连续动态变化的特性,对"双十一"包裹量进行预测;首先将天猫历年"双十一"包裹量划分成几个连续区间,然后通过信息分解法对连续区间灰数进行白化处理,将区间灰数分解成白部序列和灰部序列,最后建立基于信息分解的连续区间灰数离散Verhulst预测模型;经误差检验分析,该模型预测结果精度较高,可以作为天猫平台第三方物流企业对物流资源进行合理、有效调配的依据。     

收益共享机制下的供应链纵向信息共享策略北大核心CSCDCSSCI

研究了收益共享机制对供应链纵向信息共享决策的影响。通过建立动态博弈模型,求解促进信息共享的收益共享契约的制定要素,以此来控制整个供应链的博弈态势,使下游零售商在竞争中更为主动地进行信息共享;首先在两个零售商均共享信息、只有一个共享信息以及均不共享信息3种情况下得出零售商的最优订货策略;在此基础上得出收益共享机制下的制造商最优批发价。通过比较3种情形下的供应链成员的期望收益发现:在产品具有互补性时,制造商通过设定一定的收益共享契约,在分享零售商一部分收入前提下,可降低批发价格,激励零售商进行信息共享;且互补效应会作用于零售商的最优收益共享率,使信息共享系统达到帕累托最优。     

一种基于需求特性分类的备件库存管理方法及其实证研究

提出了一种基于分类的备件库存管理方法,该方法先从备件需求预测的角度对备件进行分类,然后对每一类备件的需求进行预测并给出了其适当的库存决策方法.基于分类的预测方法可以解决备件种类过多、部分备件需求的历史数据不足问题并能够为每类备件选择预测精度较高的预测方法;基于分类的库存决策模型适用于在缺少单位备件缺货成本参数条件下的订购点与订购批量决策.以石化企业的阀门为典型背景,论文说明了所提出方法的适用性和优越性.     

考虑产品特征属性的替代性需求预测方法

随着电商销售业务的高速发展, 对用户需求进行快速准确预测已成为重要的研究方向. 产品间的替代性对需求有一定影响作用, 且此方面的应用研究在不断深入. 为了提升需求预测精度, 基于畅销预测属性值排序, 利用邻近替代率估计方法, 并结合 Adaboost 预测模型, 构建出一种更优的考虑产品特征属性的替代性需求预测方法, 并通过实验证明该方法行之有效.     

长沙市房地产需求预测

城市住宅建设是一项民生工程,影响到社会稳定,对未来房地产需求的准确预测,有利于指导房地产市场的健康发展。通过对影响住宅需求的可能因素进行分析,采用逐步回归分析方法,运用SPSS等软件,建立预测模型,对长沙市未来的房地产需求量进行科学预测。     

基于数据驱动的旅游需求预测研究

合理预测景区客流量不仅可以为景区提供参考,更是旅游治理体系和治理能力现代化建设的内在要求。基于九寨沟风景区官网于2012年5月至2021年5月披露的每日客流量数据,运用Python爬取与九寨沟旅游相关的搜索行为数据和九寨沟每日平均气温,构建ARIMA、SVR模型和加入百度搜索指数与日平均气温的LSTM神经网络模型,对九寨沟风景区客流量进行拟合和预测。结果表明,LSTM神经网络模型预测精度高于ARIMA和SVR模型,加入百度搜索指数和日平均气温的LSTM神经网络模型可以显著提升客流量预测精度。     

基于GA-XGBoost的宁波港物流需求预测

通过灰色关联法,分析宁波港物流需求同腹地经济的相关度,建立宁波港物流需求预测指标集,提出一种基于遗传算法优化的极限梯度提升树模型.实验结果表明:这种港口物流需求预测模型取得的平均绝对误差和平均绝对百分比误差分别为21.62和1.05％,优于近年来的港口物流需求预测模型.